124 MTODOS CERRADOS

Solucin. Para generar grficas se usan paquetes como Excel y MATLAB. En la fi-
gura 5.4a se presenta la grfica de f(x) desde x = 0 hasta x = 5. La grfica muestra la
existencia de varias races, incluyendo quizs una doble raz alrededor de x = 4.2, donde
f(x) parece ser tangente al eje x. Se obtiene una descripcin ms detallada del compor-
tamiento de f(x) cambiando el rango de graficacin, desde x = 3 hasta x = 5, como se
muestra en la figura 5.4b. Finalmente, en la figura 5.4c, se reduce la escala vertical, de
f(x) = 0.15 a f(x) = 0.15, y la escala horizontal se reduce, de x = 4.2 a x = 4.3. Esta gr-
fica muestra claramente que no existe una doble raz en esta regin y que, en efecto, hay
dos races diferentes entre x = 4.23 y x = 4.26.
Las grficas por computadora tienen gran utilidad en el estudio de los mtodos
numricos. Esta posibilidad tambin puede tener muchas aplicaciones en otras materias
de la escuela, as como en las actividades profesionales.

5.2 EL MTODO DE BISECCIN

Cuando se aplicaron las tcnicas grficas en el ejemplo 5.1, se observ (figura 5.1) que
f(x) cambi de signo a ambos lados de la raz. En general, si f(x) es real y contina en el
intervalo que va desde xl hasta xu y f(xl) y f(xu) tienen signos opuestos, es decir,

f(xl) f(xu) < 0 (5.1)

entonces hay al menos una raz real entre xl y xu.

Los mtodos de bsqueda incremental aprovechan esta caracterstica localizando
un intervalo en el que la funcin cambie de signo. Entonces, la localizacin del cambio
de signo (y, en consecuencia, de la raz) se logra con ms exactitud al dividir el interva-
lo en varios subintervalos. Se investiga cada uno de estos subintervalos para encontrar
el cambio de signo. El proceso se repite y la aproximacin a la raz mejora cada vez ms
en la medida que los subintervalos se dividen en intervalos cada vez ms pequeos.
Volveremos al tema de bsquedas incrementales en la seccin 5.4.

FIGURA 5.5
Paso 1: Elija valores iniciales inferior, xl, y superior, xu, que encierren la raz, de forma
tal que la funcin cambie de signo en el intervalo. Esto se verifica comprobando
que f(xl) f(xu) < 0.
Paso 2: Una aproximacin de la raz xr se determina mediante:
xl + xu
xr =
2
Paso 3: Realice las siguientes evaluaciones para determinar en qu subintervalo est
la raz:
a) Si f(xl)f(xr) < 0, entonces la raz se encuentra dentro del subintervalo inferior
o izquierdo. Por lo tanto, haga xu = xr y vuelva al paso 2.
b) Si f(xl)f(xr) > 0, entonces la raz se encuentra dentro del subintervalo superior
o derecho. Por lo tanto, haga xl = xr y vuelva al paso 2.
c) Si f(xl)f(xr) = 0, la raz es igual a xr; termina el clculo.

www.FreeLibros.me
Chapra-05.indd 124 6/12/06 13:49:20
 5.2 EL MTODO DE BISECCIN 125

El mtodo de biseccin, conocido tambin como de corte binario, de particin de

intervalos o de Bolzano, es un tipo de bsqueda incremental en el que el intervalo se
divide siempre a la mitad. Si la funcin cambia de signo sobre un intervalo, se evala el
valor de la funcin en el punto medio. La posicin de la raz se determina situndola en
el punto medio del subintervalo, dentro del cual ocurre un cambio de signo. El proceso
se repite hasta obtener una mejor aproximacin. En la figura 5.5 se presenta un algorit-
mo sencillo para los clculos de la biseccin. En la figura 5.6 se muestra una represen-
tacin grfica del mtodo. Los siguientes ejemplos se harn a travs de clculos reales
involucrados en el mtodo.

EJEMPLO 5.3 Biseccin

Planteamiento del problema. Emplee el mtodo de biseccin para resolver el mismo
problema que se resolvi usando el mtodo grfico del ejemplo 5.1.

Solucin. El primer paso del mtodo de biseccin consiste en asignar dos valores ini-
ciales a la incgnita (en este problema, c) que den valores de f(c) con diferentes signos.
En la figura 5.1 se observa que la funcin cambia de signo entre los valores 12 y 16. Por
lo tanto, la estimacin inicial de la raz xr se encontrar en el punto medio del intervalo
12 + 16
xr = = 14
2
Dicha aproximacin representa un error relativo porcentual verdadero de et = 5.3% (note
que el valor verdadero de la raz es 14.7802). A continuacin calculamos el producto de
los valores en la funcin en un lmite inferior y en el punto medio:
f(12)f(14) = 6.067(1.569) = 9.517
que es mayor a cero y, por lo tanto, no ocurre cambio de signo entre el lmite inferior y
el punto medio. En consecuencia, la raz debe estar localizada entre 14 y 16. Entonces,

FIGURA 5.6
Una representacin grfica
del mtodo de biseccin. La
grfica presenta las primeras 12 16
tres iteraciones del ejemplo
5.3.

14 16

15

14

www.FreeLibros.me
Chapra-05.indd 125 6/12/06 13:49:20
 126 MTODOS CERRADOS

se crea un nuevo intervalo redefiniendo el lmite inferior como 14 y determinando una

nueva aproximacin corregida de la raz

14 + 16
xr = = 15
2
la cual representa un error porcentual verdadero et = 1.5%. Este proceso se repite para
obtener una mejor aproximacin. Por ejemplo,
f(14)f(15) = 1.569(0.425) = 0.666
Por lo tanto, la raz est entre 14 y 15. El lmite superior se redefine como 15 y la raz
estimada para la tercera iteracin se calcula as:

14 + 15
xr = = 14.5
2
que representa un error relativo porcentual et = 1.9%. Este mtodo se repite hasta que el
resultado sea suficientemente exacto para satisfacer sus necesidades.

En el ejemplo anterior, se observa que el error verdadero no disminuye con cada

iteracin. Sin embargo, el intervalo donde se localiza la raz se divide a la mitad en cada
paso del proceso. Como se estudiar en la siguiente seccin, el ancho del intervalo pro-
porciona una estimacin exacta del lmite superior del error en el mtodo de biseccin.

5.2.1 Criterios de paro y estimaciones de errores

Terminamos el ejemplo 5.3 diciendo que el mtodo se repite para obtener una aproxi-
macin ms exacta de la raz. Ahora se debe desarrollar un criterio objetivo para decidir
cundo debe terminar el mtodo.
Una sugerencia inicial sera finalizar el clculo cuando el error verdadero se en-
cuentre por debajo de algn nivel prefijado. En el ejemplo 5.3 se observa que el error
relativo baja de 5.3 a 1.9% durante el procedimiento de clculo. Puede decidirse que el
mtodo termina cuando se alcance un error ms bajo, por ejemplo, al 0.1%. Dicha estra-
tegia es inconveniente, ya que la estimacin del error en el ejemplo anterior se bas en
el conocimiento del valor verdadero de la raz de la funcin. ste no es el caso de una
situacin real, ya que no habra motivo para utilizar el mtodo si se conoce la raz.
Por lo tanto, se requiere estimar el error de forma tal que no se necesite el conoci-
miento previo de la raz. Como se vio previamente en la seccin 3.3, se puede calcular
el error relativo porcentual ea de la siguiente manera (recuerde la ecuacin 3.5):

x rnuevo x ranterior
a = 100% (5.2)
x rnuevo

donde xr nuevo es la raz en la iteracin actual y xranterior es el valor de la raz en la iteracin

anterior. Se utiliza el valor absoluto, ya que por lo general importa slo la magnitud de
ea sin considerar su signo. Cuando ea es menor que un valor previamente fijado es, ter-
mina el clculo.

www.FreeLibros.me
Chapra-05.indd 126 6/12/06 13:49:20
 5.2 EL MTODO DE BISECCIN 127

EJEMPLO 5.4 Estimacin del error en la biseccin

Planteamiento del problema. Contine con el ejemplo 5.3 hasta que el error aproxi-
mado sea menor que el criterio de terminacin de es = 0.5%. Use la ecuacin (5.2) para
calcular los errores.

Solucin. Los resultados de las primeras dos iteraciones en el ejemplo 5.3 fueron 14
y 15. Sustituyendo estos valores en la ecuacin (5.2) se obtiene
15 14
a = 100% = 6.67%
15
Recuerde que el error relativo porcentual para la raz estimada de 15 fue 1.5%. Por lo
tanto, ea es mayor a et. Este comportamiento se manifiesta en las otras iteraciones:

Iteracin xl xu xr ea (%) et (%)

1 12 16 14 5.279
2 14 16 15 6.667 1.487
3 14 15 14.5 3.448 1.896
4 14.5 15 14.75 1.695 0.204
5 14.75 15 14.875 0.840 0.641
6 14.75 14.875 14.8125 0.422 0.219

As, despus de seis iteraciones ea finalmente est por debajo de es = 0.5%, y el

clculo puede terminar.
Estos resultados se resumen en la figura 5.7. La naturaleza desigual del error
verdadero se debe a que, en el mtodo de la biseccin, la raz exacta se encuentra en
cualquier lugar dentro del intervalo cerrado. Los errores verdadero y aproximado quedan
distantes cuando el intervalo est centrado sobre la raz verdadera. Ellos estn cercanos
cuando la raz verdadera se halla en cualquier extremo del intervalo.

Aunque el error aproximado no proporciona una estimacin exacta del error verda-
dero, la figura 5.7 sugiere que ea toma la tendencia general descendente de et. Adems,
la grfica muestra una caracterstica muy interesante: que ea siempre es mayor que et.
Por lo tanto, cuando ea es menor que es los clculos se pueden terminar, con la confian-
za de saber que la raz es al menos tan exacta como el nivel aceptable predeterminado.
Aunque no es conveniente aventurar conclusiones generales a partir de un solo
ejemplo, es posible demostrar que ea siempre ser mayor que et en el mtodo de bisec-
cin. Esto se debe a que cada vez que se encuentra una aproximacin a la raz cuando
se usan bisecciones como xr = (xl + xu)/2, se sabe que la raz verdadera se halla en algn
lugar dentro del intervalo de (xu xl)/2 = x/2. Por lo tanto, la raz debe situarse dentro
de x/2 de la aproximacin (figura 5.8). As, cuando se termin el ejemplo 5.3 se pudo
afirmar definitivamente que

xr = 14.5 0.5

Debido a que x/2 = xr nuevo xranterior (figura 5.9), la ecuacin (5.2) proporciona un
lmite superior exacto del error verdadero. Para que se rebase este lmite, la raz verda-

www.FreeLibros.me
Chapra-05.indd 127 6/12/06 13:49:21
 128 MTODOS CERRADOS

10

Aproximado

Error relativo porcentual

1.0

Verdadero

FIGURA 5.7
Errores en el mtodo de
biseccin. Los errores ver- 0.1
dadero y aproximado se 0 3 6
grafican contra el nmero de Iteraciones
iteraciones.

dera tendra que estar fuera del intervalo que la contiene, lo cual, por definicin, jams
ocurrir en el mtodo de biseccin. El ejemplo 5.7 muestra otras tcnicas de localizacin
de races que no siempre resultan tan eficientes. Aunque el mtodo de biseccin por lo
general es ms lento que otros mtodos, la claridad del anlisis de error ciertamente es
un aspecto positivo que puede volverlo atractivo para ciertas aplicaciones en ingeniera.

FIGURA 5.8
Tres formas en que un inter-
valo puede encerrar a la xl xr xu
raz. En a) el valor verdade- a)
ro est en el centro del inter-
valo, mientras que en b) y
xl xr xu
c) el valor verdadero est
b)
cerca de los extremos. Ob-
serve que la diferencia entre
el valor verdadero y el punto xl xr xu
medio del intervalo jams c)
sobrepasa la longitud media
del intervalo, o x/2.
x /2 x /2

Raz verdadera

www.FreeLibros.me
Chapra-05.indd 128 6/12/06 13:49:21
 5.2 EL MTODO DE BISECCIN 129

xrnuevo xranterior

FIGURA 5.9
Representacin grfica de Iteracin anterior
por qu la estimacin del xranterior
error para el mtodo de
biseccin (x/2) es equiva- xrnuevo
lente a la raz estimada en Iteracin actual
la iteracin actual (xrnuevo)
menos la raz aproximada
en la iteracin anterior x /2
(xranterior).

Antes de utilizar el programa de computadora para la biseccin, debemos observar

que las siguientes relaciones (figura 5.9)
xu xl
x rnuevo x ranterior =
2
y
xl + xu
x rnuevo =
2
puede sustituirse en la ecuacin (5.2) para desarrollar una formulacin alternativa en la
aproximacin del error relativo porcentual

xu xl
a = 100% (5.3)
xu + xl

Esta ecuacin resulta idntica a la ecuacin (5.2) para la biseccin. Adems, permite
calcular el error basndose en nuestros valores iniciales; es decir, en la primera iteracin.
Por ejemplo, en la primera iteracin del ejemplo 5.2, el error aproximado se calcula
como
16 12
a = 100% = 14.29%
16 + 12

Otro beneficio del mtodo de biseccin es que el nmero de iteraciones requerido

para obtener un error absoluto se calcula a priori; esto es, antes de empezar las iteracio-
nes, donde se observa que antes de empezar esta tcnica, el error absoluto es

Ea0 = xu0 xl0 = x0

donde los superndices definen la iteracin. Por lo tanto, antes de empezar el mtodo se
tiene la iteracin cero. Despus de la primera iteracin el error ser

x 0
Ea1 =
2

www.FreeLibros.me
Chapra-05.indd 129 6/12/06 13:49:21
 130 MTODOS CERRADOS

Debido a que en cada iteracin se reduce el error a la mitad, la frmula general que re-
laciona el error y el nmero de iteraciones, n, es

x 0
Ean = (5.4)
2n
Si Ea,d es el error deseado, en esta ecuacin se despeja

log( x 0 / Ea,d ) x 0
n= = log 2 (5.5)
log 2 Ea , d

Probemos la frmula. En el ejemplo 5.4, el intervalo inicial fue x0 = 16 12 = 4.

Despus de seis iteraciones, el error absoluto era

14.875 14.75
Ea = = 0.0625
2
Si se sustituyen esos valores en la ecuacin (5.5) resulta

log( 4 / 0.0625)
n= =6
log 2
Entonces, si se sabe de antemano que un error menor a 0.0625 es aceptable, la frmula
indica que con seis iteraciones se consigue el resultado deseado.
Aunque se ha puesto nfasis en el uso del error relativo por obvias razones, habr
casos (usualmente a travs del conocimiento del contexto del problema) donde se podr
especificar el error absoluto. En esos casos, la biseccin junto con la ecuacin (5.5)
ofrece un til algoritmo de localizacin de races. Se explorarn tales aplicaciones con
los problemas al final del captulo.

5.2.2 Algoritmo de biseccin

El algoritmo en la figura 5.5 se extiende para incluir verificacin del error (figura 5.10). El
algoritmo emplea funciones definidas por el usuario para volver ms eficientes la loca-
lizacin de las races y la evaluacin de las funciones. Adems, se le pone un lmite
superior al nmero de iteraciones. Por ltimo, se incluye la verificacin de errores para
evitar la divisin entre cero durante la evaluacin del error. ste podra ser el caso cuan-
do el intervalo est centrado en cero. En dicha situacin la ecuacin (5.2) tiende al infi-
nito. Si esto ocurre, el programa saltar la evaluacin de error en esa iteracin.
El algoritmo en la figura 5.10 no es amigable al usuario; ms bien est diseado
estrictamente para dar la respuesta. En el problema 5.14 al final del captulo, se tendr
una tarea para volverlo fcil de usar y de entender.

5.2.3 Minimizacin de las evaluaciones de una funcin

El algoritmo de biseccin de la figura 5.10 es adecuado si se quiere realizar la evalua-

cin de una sola raz de una funcin que es fcil de evaluar. Sin embargo, hay muchos
casos en ingeniera que no son as. Por ejemplo, suponga que se quiere desarrollar un

www.FreeLibros.me
Chapra-05.indd 130 6/12/06 13:49:22
 5.3 MTODO DE LA FALSA POSICIN 131

FUNCTION Bisect(xl, xu, es, imax, xr, iter, ea)

iter = 0
DO
xrold = xr
xr = (xl + xu)/2
iter = iter + 1
IF xr 0 THEN
ea = ABS((xr xrold) / xr) * 100
END IF
test = f(xl) * f(xr)
IF test < 0 THEN
xu = xr
ELSE IF test > 0 THEN
xl = xr
ELSE
ea = 0
END IF
FIGURA 5.10 IF ea < es OR iter imax EXIT
Seudocdigo para la fun- END DO
cin que implementa el Bisect = xr
mtodo de biseccin. END Bisect

programa computacional que localice varias races. En tales casos, se tendra que llamar
al algoritmo de la figura 5.10 miles o aun millones de veces en el transcurso de una sola
ejecucin.
Adems, en un sentido ms general, la funcin de una variable es tan slo una en-
tidad que regresa un solo valor para un solo valor que se le da. Visto de esta manera, las
funciones no son simples frmulas como las ecuaciones de una sola lnea de cdigo
resueltas en los ejemplos anteriores de este captulo. Por ejemplo, una funcin puede
consistir de muchas lneas de cdigo y su evaluacin llega a tomar un tiempo importan-
te de ejecucin. En algunos casos, esta funcin incluso representara un programa de
computadora independiente.
Debido a ambos factores es imperativo que los algoritmos numricos minimicen las
evaluaciones de una funcin. A la luz de estas consideraciones, el algoritmo de la figu-
ra 5.10 es deficiente. En particular, observe que al hacer dos evaluaciones de una funcin
por iteracin, vuelve a calcular una de las funciones que se determin en la iteracin
anterior.
La figura 5.11 proporciona un algoritmo modificado que no tiene esta deficiencia.
Se han resaltado las lneas que difieren de la figura 5.10. En este caso, nicamente se
calcula el valor de la nueva funcin para aproximar la raz. Los valores calculados pre-
viamente son guardados y simplemente reasignados conforme el intervalo se reduce.
As, las 2n evaluaciones de la funcin se reducen a n + 1.

5.3 MTODO DE LA FALSA POSICIN

Aun cuando la biseccin es una tcnica perfectamente vlida para determinar races, su
mtodo de aproximacin por fuerza bruta es relativamente ineficiente. La falsa posicin
es una alternativa basada en una visualizacin grfica.

www.FreeLibros.me
Chapra-05.indd 131 6/12/06 13:49:22
 132 MTODOS CERRADOS

FUNCTION Bisect(xl, xu, es, imax, xr, iter, ea)

iter = 0
= f(xl)
DO
xrold = xr
xr = (xl + xu) / 2
fr = f(xr)
iter = iter + 1
lF xr 0 THEN
ea = ABS((xr xrold) / xr) * 100
END IF
test = * fr
IF test < 0 THEN
xu = xr
ELSE IF test > 0 THEN
xl = xr
= fr
ELSE
ea = 0
FIGURA 5.11 END IF
Seudocdigo para el IF ea < es OR iter imax EXIT
subprograma de biseccin END DO
que minimiza las evaluacio- Bisect = xr
nes de la funcin. END Bisect

Un inconveniente del mtodo de biseccin es que al dividir el intervalo de xl a xu en

mitades iguales, no se toman en consideracin las magnitudes de f(xl) y f(xu). Por ejem-
plo, si f(xl) est mucho ms cercana a cero que f(xu), es lgico que la raz se encuentre
ms cerca de xl que de xu (figura 5.12). Un mtodo alternativo que aprovecha esta visua-
lizacin grfica consiste en unir f(xl) y f(xu) con una lnea recta. La interseccin de esta
lnea con el eje de las x representa una mejor aproximacin de la raz. El hecho de que
se reemplace la curva por una lnea recta da una falsa posicin de la raz; de aqu el
nombre de mtodo de la falsa posicin, o en latn, regula falsi. Tambin se le conoce
como mtodo de interpolacion lineal.
Usando tringulos semejantes (figura 5.12), la interseccin de la lnea recta con el
eje de las x se estima mediante

f ( xl ) f ( xu )
= (5.6)
x r xl x r xu

en la cual se despeja xr (vase cuadro 5.1 para los detalles)

f ( xu )( xl xu )
x r = xu (5.7)
f ( xl ) f ( xu )

sta es la frmula de la falsa posicin. El valor de xr calculado con la ecuacin (5.7), re-
emplazar, despus, a cualquiera de los dos valores iniciales, xl o xu, y da un valor de la

www.FreeLibros.me
Chapra-05.indd 132 6/12/06 13:49:22
 5.3 MTODO DE LA FALSA POSICIN 133

f (x)

f (xu)

xr
xl
xu x
FIGURA 5.12
Representacin grfica del
mtodo de la falsa posicin. f (xl)
Con los tringulos semejan-
tes sombreados se obtiene
la frmula para el mtodo.

funcin con el mismo signo de f(xr). De esta manera, los valores xl y xu siempre encierran
la verdadera raz. El proceso se repite hasta que la aproximacin a la raz sea adecuada. El
algoritmo es idntico al de la biseccin (figura 5.5), excepto en que la ecuacin (5.7)

Cuadro 5.1 Desarrollo del mtodo de la falsa posicin

Multiplicando en cruz la ecuacin (5.6) obtenemos sumando y restando xu en el lado derecho:

f(xl)(xr xu) = f(xu)(xr xl) xu f ( xl ) xl f ( xu )

x r = xu + xu
f ( xl ) f ( xu ) f ( xl ) f ( xu )
Agrupando trminos y reordenando:
Agrupando trminos se obtiene
xr [f(xl) f(xu)] = xu f(xl) xl f(xu)
xu f ( xu ) xl f ( xu )
x r = xu +
Dividiendo entre f(xl) f(xu): f ( xl ) f ( xu ) f ( xl ) f ( xu )

xu f ( xl ) xl f ( xu ) o
xr = (C5.1.1)
f ( xl ) f ( xu )
f ( xu )( xl xu )
x r = xu
sta es una de las formas del mtodo de la falsa posicin. Ob- f ( xl ) f ( xu )
serve que permite el clculo de la raz xr como una funcin de
los valores iniciales inferior xl y superior xu. sta puede ponerse la cual es la misma ecuacin (5.7). Se utiliza esta forma porque
en una forma alternativa al separar los trminos: implica una evaluacin de la funcin y una multiplicacin menos
que la ecuacin (C5.1.1). Adems sta es directamente compa-
xu f ( xl ) xl f ( xu )
xr = rable con el mtodo de la secante, el cual se estudia en el cap-
f ( xl ) f ( xu ) f ( xl ) f ( xu ) tulo 6.

www.FreeLibros.me
Chapra-05.indd 133 6/12/06 13:49:22
 134 MTODOS CERRADOS

se usa en el paso 2. Adems, se usa el mismo criterio de terminacin [ecuacin (5.2)]

para concluir los clculos.

EJEMPLO 5.5 Falsa posicin

Planteamiento del problema. Con el mtodo de la falsa posicin determine la raz

de la misma ecuacin analizada en el ejemplo 5.1 [ecuacin (E5.1.1)].

Solucin. Como en el ejemplo 5.3 se empieza el clculo con los valores iniciales xl =
12 y xu = 16.
Primera iteracin:

xl = 12 f(xl) = 6.0699
xu = 16 f(xu) = 2.2688
2.2688(12 16)
xr = 16 = 14.9113
6.0669 ( 2.2688)
que tiene un error relativo verdadero de 0.89 por ciento.

Segunda iteracin:

f(xl) f(xr) = 1.5426

Por lo tanto, la raz se encuentra en el primer subintervalo y xr se vuelve ahora el lmite

superior para la siguiente iteracin, xu = 14.9113:

xl = 12 f(xl) = 6.0699
xu = 14.9113 f(xu) = 0.2543
0.2543(12 14.9113)
xr = 14.9113 = 14.7942
6.0669 ( 0.2543)
el cual tiene errores relativos y verdadero y aproximado de 0.09 y 0.79 por ciento. Es po-
sible realizar iteraciones adicionales para hacer una mejor aproximacin de las races.

Se obtiene una idea ms completa de la eficiencia de los mtodos de biseccin y de

falsa posicin al observar la figura 5.13, donde se muestra el error relativo porcentual
verdadero de los ejemplos 5.4 y 5.5. Observe cmo el error decrece mucho ms rpida-
mente en el mtodo de la falsa posicin que en el de la biseccin, debido a un esquema
ms eficiente en el mtodo de la falsa posicin para la localizacin de races.
Recuerde que en el mtodo de biseccin el intervalo entre xl y xu se va haciendo ms
pequeo durante los clculos. Por lo tanto, el intervalo, como se defini por x/2 =
|xu xl|/2 para la primera iteracin, proporciona una medida del error en este mtodo.
ste no es el caso con el mtodo de la falsa posicin, ya que uno de los valores iniciales
puede permanecer fijo durante los clculos, mientras que el otro converge hacia la raz.
Como en el caso del ejemplo 5.6, el extremo inferior xl permanece en 12, mientras que
xu converge a la raz. En tales casos, el intervalo no se acorta, sino que se aproxima a un
valor constante.

www.FreeLibros.me
Chapra-05.indd 134 6/12/06 13:49:23
 5.3 MTODO DE LA FALSA POSICIN 135

10

Biseccin

Error relativo porcentual verdadero

1

10 1

Falsa posicin
10 2

10 3

10 4
FIGURA 5.13
Comparacin de los errores
relativos de los mtodos 0 3 6
de biseccin y de la falsa Iteraciones
posicin.

El ejemplo 5.6 sugiere que la ecuacin (5.2) representa un criterio de error muy
conservador. De hecho, la ecuacin (5.2) constituye una aproximacin de la discrepancia
en la iteracin previa. Esto se debe a que para un caso, tal como el del ejemplo 5.6,
donde el mtodo converge rpidamente (por ejemplo, el error se va reduciendo casi un
100% de magnitud por cada iteracin), la raz para la iteracin actual xr nuevo es una me-
jor aproximacin al valor real de la raz, que el resultado de la iteracin previa xranterior.
As, el numerador de la ecuacin (5.2) representa la discrepancia de la iteracin previa.
En consecuencia, se nos asegura que al satisfacer la ecuacin (5.2), la raz se conocer
con mayor exactitud que la tolerancia preestablecida. Sin embargo, como se ve en la
siguiente seccin, existen casos donde el mtodo de la falsa posicin converge lentamen-
te. En tales casos la ecuacin (5.2) no es confiable y se debe desarrollar un criterio di-
ferente de terminacin.

5.3.1 Desventajas del mtodo de la falsa posicin

Aunque el mtodo de la falsa posicin parecera ser siempre la mejor opcin entre los
mtodos cerrados, hay casos donde funciona de manera deficiente. En efecto, como en
el ejemplo siguiente, hay ciertos casos donde el mtodo de biseccin ofrece mejores
resultados.

www.FreeLibros.me
Chapra-05.indd 135 6/12/06 13:49:23
 136 MTODOS CERRADOS

EJEMPLO 5.6 Un caso en el que la biseccin es preferible a la falsa posicin

Planteamiento del problema. Con los mtodos de biseccin y de falsa posicin loca-
lice la raz de

f(x) = x10 1

entre x = 0 y 1.3.

Solucin. Usando biseccin, los resultados se resumen como sigue

Iteracin xl xu xr ea (%) et (%)

1 0 1.3 0.65 100.0 35

2 0.65 1.3 0.975 33.3 2.5
3 0.975 1.3 1.1375 14.3 13.8
4 0.975 1.1375 1.05625 7.7 5.6
5 0.975 1.05625 1.015625 4.0 1.6

FIGURA 5.14
Grfica de la funcin f(x) = x10 1, ilustrando la lentitud de convergencia del mtodo
de la falsa posicin.

f (x)

10

0
1.0 x

www.FreeLibros.me
Chapra-05.indd 136 6/12/06 13:49:23
 5.3 MTODO DE LA FALSA POSICIN 137

De esta manera, despus de cinco iteraciones, el error verdadero se reduce a menos del
2%. Con la falsa posicin se obtienen resultados muy diferentes:

Iteracin xl xu xr ea (%) et (%)

1 0 1.3 0.09430 90.6

2 0.09430 1.3 0.18176 48.1 81.8
3 0.18176 1.3 0.26287 30.9 73.7
4 0.26287 1.3 0.33811 22.3 66.2
5 0.33811 1.3 0.40788 17.1 59.2

Despus de cinco iteraciones, el error verdadero slo se ha reducido al 59%. Adems,

observe que ea < et. Entonces, el error aproximado es engaoso. Se obtiene mayor cla-
ridad sobre estos resultados examinando una grfica de la funcin. En la figura 5.14, la
curva viola la premisa sobre la cual se basa la falsa posicin; es decir, si f(xl) se encuen-
tra mucho ms cerca de cero que f(xu), la raz se encuentra ms cerca de xl que de xu
(recuerde la figura 5.12). Sin embargo, debido a la forma de esta funcin ocurre lo con-
trario.

El ejemplo anterior ilustra que, por lo comn, no es posible realizar generalizaciones

con los mtodos de obtencin de races. Aunque un mtodo como el de la falsa posicin
casi siempre es superior al de biseccin, hay algunos casos que violan esta conclusin
general. Por lo tanto, adems de usar la ecuacin (5.2), los resultados se deben verificar
sustituyendo la raz aproximada en la ecuacin original y determinar si el resultado se
acerca a cero. Esta prueba se debe incorporar en todos los programas que localizan
races.
El ejemplo ilustra tambin una importante desventaja del mtodo de la falsa posicin:
su unilateralidad. Es decir, conforme se avanza en las iteraciones, uno de los puntos
limitantes del intervalo tiende a permanecer fijo. Esto puede llevar a una mala conver-
gencia, especialmente en funciones con una curvatura importante. La seccin siguiente
ofrece una solucin.

5.3.2 Falsa posicin modificada

Una forma de disminuir la naturaleza unilateral de la falsa posicin consiste en obtener

un algoritmo que detecte cuando se estanca uno de los lmites del intervalo. Si ocurre
esto, se divide a la mitad el valor de la funcin en el punto de estancamiento. A este
mtodo se le llama mtodo de la falsa posicin modificado.
El algoritmo dado en la figura 5.15 lleva a cabo dicha estrategia. Observe cmo se
han usado contadores para determinar si uno de los lmites del intervalo permanece fijo
estancado durante dos iteraciones. Si ocurre as, el valor de la funcin en este valor de
estancamiento se divide a la mitad.
La efectividad de este algoritmo se demuestra aplicndolo al ejemplo 5.6. Si se uti-
liza un criterio de terminacin de 0.01% el mtodo de biseccin y el mtodo estndar de

www.FreeLibros.me
Chapra-05.indd 137 6/12/06 13:49:23